Explorara las posibilidades técnicas de modulación del cerebro en la promoción del aprendizaje BCI, como la estimulación eléctrica cortical, la estimulación magnética transcraneal y la optogenética.

Hiremath  Shivayogi V. , Chen Weidong,  Wei , Foldes Stephen  , Yang Ying, Tyler-Kabara Elizabeth C. Collinger Jennifer L. et al. Brain computer interface learning for systems based on electrocorticography and intracortical microelectrode arrays. Front. Integr. Neurosci., 10 June 2015. 1-10.

Cerebro de aprendizaje interfaz de la computadora para los sistemas basados ​​en electrocorticografía y microelectrodos intracorticales.

Tipo de artículo: Revisión.

Objetivo:

Explorara las posibilidades técnicas de modulación del cerebro en la promoción del aprendizaje BCI, como la estimulación eléctrica cortical, la estimulación magnética transcraneal y la optogenética. 

Resumen:

Interfaz cerebro-ordenador tecnología (BCI) tiene como objetivo establecer una vía de comunicación directa entre el cerebro y los dispositivos externos. Tecnología BCI tiene el potencial para ayudar, aumentar, o reparar sensoriomotor humana y otras funciones cognitivas, mejorando así la calidad de vida de las personas con discapacidad.

El componente central de un sistema BCI es su decodificador neuronal, un juego de pesas de decodificación que transforman o se asignan actividad cerebral al comportamiento de un dispositivo externo, por ejemplo, el movimiento del brazo robótico. Establecimiento de un mapeo BCI efectiva se basa en dos procesos sinérgicos. La primera es la calibración decodificador, donde los pesos de decodificación se calculan basándose en la actividad cerebral y los correspondientes datos de comportamiento del dispositivo externo. El segundo proceso es el aprendizaje BCI, donde un usuario BCI se entera de la relación entre la actividad cerebral y de comportamiento resultantes dispositivo externo dados los pesos específicos de descodificación. En una palabra, el usuario aprende a generar patrones de actividad cortical específicas para el control de dispositivos externos con los pesos de decodificación dados.

Los investigadores han desarrollado muchos algoritmos avanzados de procesamiento de señales y decodificación neural para el proceso de calibración decodificador. En contraste, el proceso de aprendizaje BCI es mucho menos entendido. Para hacer frente a este vacío de conocimiento, este artículo se centrará en BCI aprendizaje con dos objetivos. En primer lugar, de acuerdo con estudios recientes, sostenemos que el aprendizaje es BCI análoga a la del motor y el aprendizaje de habilidades cognitivas y que las teorías y prácticas desarrolladas para el aprendizaje de habilidades deben informar la investigación en el aprendizaje BCI. En segundo lugar, se revisan los enfoques que pueden promover el aprendizaje BCI, en particular en el contexto de restaurar el movimiento del brazo volitiva o controlar el movimiento de los dispositivos externos, como cursores de ordenador y brazos robóticos. Aprendizaje BCI es un tema muy amplio y va a ser un reto para cubrir todos los aspectos de BCI de aprendizaje con la profundidad razonable en este artículo de revisión. Por lo tanto, este artículo de revisión se centra en los sistemas BCI que utilizan electrodos implantables, como ECoG y microelectrodos intracortical matrices, con el objetivo de restaurar la función motora.

Tipos de Mapeo BCI

Esta sección trata sobre la cartografía ICC en relación con el concepto de "mapeo" en el campo de las interfaces hombre-máquina (HCI). Sistemas BCI se pueden considerar como un tipo de HCI, y la investigación BCI deberían beneficiarse de HCI marcos teóricos establecidos. En concreto, el término "mapeo" ha sido ampliamente utilizado en HCI. Norman, un pionero en la investigación de HCI, define la cartografía como la relación entre la intervención humana (por ejemplo, un movimiento de ratón de la computadora) y el comportamiento resultante del sistema bajo control (por ejemplo, un ordenador). Análogamente, se define el mapeo BCI como la relación entre la actividad cerebral y el comportamiento resultante de un dispositivo externo, como el movimiento de un cursor de ordenador o un brazo robótico. Mapeo BCI se pueden clasificar en dos tipos principales: biomiméticos y artificiales. Los decodificadores de uso BCI basado mapeo-biomiméticos que pretenden capturar la relación natural entre la actividad cortical y el brazo volitiva o movimiento de la mano que luego se utiliza para controlar una prótesis de brazo, ortesis, o estimulador eléctrico funcional. Este tipo de mapeo potencialmente proporciona un esquema de control intuitivo y sin carga cognitiva indebida, especialmente durante la fase inicial de BCI aprendizaje.

El establecimiento de la Cartografía BCI inicial mediante paradigmas relacionados con el Movimiento

Antes de cualquier aprendizaje BCI puede tener lugar, primero tenemos que establecer el mapeo inicial entre la actividad cerebral y el comportamiento dispositivo destinado. Este es el proceso de calibración decodificador neural. Si bien es posible utilizar sólo un juego de pesas de decodificación arbitrarias o aleatorios, la práctica típica es calcular los pesos de decodificación utilizando datos neuronales y datos de movimiento del miembro correspondiente. Esta práctica está motivada por los estudios de neurofisiología anteriores que han demostrado que las neuronas en diferentes áreas corticales, sobre todo en las áreas motora y premotora, el fuego en formas específicas y fiables durante la ejecución de los movimientos volitivos. Un enfoque común para la calibración decodificador para las personas que son capaces de mover su brazo es el siguiente: en primer lugar, el tema se realiza una serie de movimientos manifiestos; segundo, calcular la decodificación de pesos con un cierto algoritmo, tales como el algoritmo de vector población, o el estimador óptimo lineal, y los pesos de decodificación capturan la relación entre la actividad cerebral y natural el movimiento del brazo; pasado, los pesos de decodificación mapa de la actividad cerebral de las señales de control en tiempo real para dispositivos externos.

BCI Aprendizaje y Motor / Aprendizaje Habilidad Cognitiva

Muchas características comunes de aprendizaje BCI y habilidad motora / cognitiva compartir el aprendizaje, incluyendo las etapas de aprendizaje y sustratos neurales que apoyan el aprendizaje. En términos de etapas de aprendizaje, Fitts y sus colegas sugirieron que el aprendizaje motor / cognitiva sigue tres etapas: (1) una etapa cognitiva individuo aprende información básica acerca de las metas y los parámetros de la tarea, es decir, se entera de lo que debe hacer; (2) etapas: una asociativo individuo aprende a convertir sus conocimientos acerca de la tarea a la acción real, es decir, aprende cómo hacerlo; (3) fase-una automática individuo realiza una tarea de forma automática, con el mínimo esfuerzo, e independiente de la conciencia. El proceso automático requiere poco o ningún esfuerzo consciente, sobre todo en términos de la memoria de trabajo y atención. Este proceso reduce la fatiga mental, y permite a un individuo para multitareas. Aprendizaje BCI parece ir por etapas similares. Los sujetos humanos de los estudios de BCI han informado anecdóticamente la transición de una etapa cognitiva muy deliberado a una etapa casi automática después de la práctica. La capacidad y el tiempo para un usuario BCI para llegar a la etapa automática probablemente variará, dependiendo de las modalidades de grabación neuronales, estrategias de mapeo BCI, la complejidad de los dispositivos a controlar, las funciones cognitivas de un usuario, etc. Sin embargo, una vez que llega a la etapa de aprendizaje automático , un usuario BCI debe ser capaz de realizar varias tareas, tales como mantener una conversación con otra persona mientras se controla un cursor utilizando actividades cerebrales. En cuanto a los sustratos neurales, durante el aprendizaje BCI, hay una participación importante de una red distribuida que abarca la corteza motora, área prefrontal, el área parietal, cerebelo, y el cuerpo estriado, todos los cuales también se dedican durante motor / habilidad cognitiva aprendizaje. Parte de la actividad de esta red disminuye durante el aprendizaje BCI como transiciones sujetos desde lo cognitivo a la etapa automática. Además, la plasticidad en circuitos corticostriatal ha sido implicado en el aprendizaje motor, y la plasticidad corticostriatal parece ser necesaria para el aprendizaje BCI, así. En general, el aprendizaje BCI parece sacar provecho de muchos de los mismos circuiterıas neuronales implicados en el aprendizaje motor y habilidad cognitiva.

...